_________ описывают размер влияния на
Автоковариация определяется соотношением
Автоковариация члена ряда с самим собой равна
Автокорреляционная функция принимает значения в пределах
Аналитические методы выделения неслучайной составляющей основаны на допущении, что
В критерии восходящих и нисходящих серий временному ряду 6, 2, 4, 6, 4 соответствует последовательность
В критерии восходящих и нисходящих серий проверяется гипотеза
В критерии восходящих и нисходящих серий, длина самой длинной серии временного ряда 1, 5, 4, 1, 6 равна
В критерии восходящих и нисходящих серий, общее число серий временного ряда 5, 7, 6, 4, 3, 1 равно
В критерии серий, основанном на медиане, временному ряду 2, 5, 4, 6, 3 соответствует последовательность
В критерии серий, основанном на медиане, общее число серий временного ряда 1, 3, 5, 4, 2 равно
В критерии серий, основанном на медиане, проверяется гипотеза
В критерии серий, основанном на медиане, протяженность самой длинной серии временного ряда 5, 1, 4, 2 равна
В лаговой структуре Койка веса равны _____ , где
В лаговой структуре Койка надо оценить только
В методе выделения неслучайной составляющей (МНК) необходимо, чтобы величина _____________ была минимальной
В методе скользящего среднего веса определяется с помощью ______
В модели АР(1) частная автокорреляционная функция случайных остатков, разделенных двумя тактами времени, равна
В модели АР(2) частная автокорреляционная функция случайных остатков, разделенных двумя тактами времени, равна
В модели Линтнера реальный объем дивидендов подвергается корректировке
В модели СС(1) автокорреляционная функция при равна
В модели СС(1) спектральная плотность равна
В модели СС(2) автокорреляционная функция при равна
В основе модели Ш. Алмон лежит предположение о том, что если зависит от текущих и лаговых значений , то веса в этой зависимости подчиняются _________________ распределению
В процессе формирования значе­ний всякого временного ряда всегда участвуют _________ факторы
Весовые коэффициенты в методе скользящего среднего
Временной ряд называется нестационарным однородным, если
Дисперсия случайных остатков в модели АР(1) равна
Для белого шума справедливо соотношение
Для весовых коэффициентов в методе скользящего среднего справедлива формула
Для выполнения теста Чоу используется распределение
Для идентификации АР и СС моделей сначала делают оценки
Для конечного процесса авторегрессии порядка величина e может быть представлена как ____ сумма предшествующих
Для конечного процесса авторегрессии порядка величина может быть представлена как __________ сумма предшествующих
Для модели АР(1) справедливо соотношение
Для оценки в моделях авторегрессии используется формула
Для ранжированного временного ряда медиана равна
Для ранжированного временного ряда медиана равна
Для стационарного ряда выборочная дисперсия равна
Для стационарного ряда выборочное среднее равно
Для стационарных временных рядов при величина
Если обозначает белый шум, и , то величина равна
Если , то коэффициент Тейла равен
Если аддитивная структурная схема влияния четырех факторов описывается формулой , где , то это означает, отсутствуют___________факторы
Если в методе последовательных разностей , а , то неслучайная составляющая аппроксимируется полиномом степени
Если в ряде содержится скрытая гармоника частоты , то в нем присут­ствуют также периодические члены с частотой
Если временной ряд является стационарным в узком смысле, то
Если дисперсия временного ряда равна , то дисперсия величины равна
Если коэффициент Тейла равен нулю, то
Если математическое ожидание и дисперсия случайной величины временного ряда не зависят от времени, то такой ряд будет
Если неслучайная составляющая описывается полиномом степени , то в методе МНК возникает ___ уравнений
Если неслучайная составляющая временного ряда имеет вид полинома 3-й степени, то равно
Если неслучайная составляющая временного ряда имеет линейный вид , то равно
Если неслучайная составляющая временного ряда имеет линейный вид , то равно
Если общий линейный процесс описывается классической линейной моделью множественной регрессии, то он имеет вид
Если считать, что белый шум генерирует случайные остатки, то общий линейный процесс имеет вид
Если элементы набора данных не являются одинаково распределенными, то речь идет о
Если элементы набора данных не являются статистически независимыми, то речь идет о
Зависимость объемов введенных основных фондов от капитальных вложений описывается
Идентификация модели СС(1) сводится к решению уравнения
Идентификация модели СС(2) сводится к решению системы двух ______ уравнений
Исследование соотношения между спросом на реальные денежные остатки и ожидаемым изменением уровня цен описывается моделью
Когда делается предсказание на момент времени , предполагается, что известна величина
Коэффициент автокорреляции случайных остатков в модели АР(1) равен
Коэффициент автокорреляции определяется соотношением:
Коэффициент автокорреляции члена ряда с самим собой равен
Коэффициент Тейла лежит в пределах
Коэффициент Тейла основан на расчете
Коэффициент Тейла служит критерием
Коэффициент Тейла является более точным показателем, чем
Критерий восходящих и нисходящих серий позволяет
Критерий серий, основанный на медиане, позволяет
Лаговая структура Койка описывает простую экономическую ситуацию, когда влияние на с увеличением
Лаговая структура Ш. Алмон применяется, когда влияние на _______ с увеличением
Марковский процесс описывается моделью
Метод скользящего среднего относятся к _______ методам выделения неслучайной составляющей
Модель авторегрессии 1-го порядка описывается выражением
Модель авторегрессии 2-го порядка описывается выражением
Модель АРПСС(0,0,2) описывается соотношением
Модель АРПСС(1,1,1) описывается соотношением
Модель Бокса - Дженкинса - это модель
Модель гиперинфляции Кейгана описывается соотношением
Модель Кейгана - модель, описывающая гиперинфляцию с помощью модели
Модель Линтнера основывается на предположении, что желаемый объем дивидендов
Модель скользящего среднего СС(q) описывается соотношением
Модель СС(1) описывается соотношением
Модель СС(1) стационарна при
Модель СС(2) описывается соотношением
На больших временах ________факторы описываются монотонной функцией
На больших временах процесс формирования значений временного ряда находится под воздействием ___________ факторов
Неслучайная составляющая аппроксимируется полиномом степени p, если функция
О наличии данной частоты в спектре временного ряда свидетельствует ________ спектральной плотности
Обычно прогнозы, получаемые с помощью моделей Бокса - Дженкинса, оказываются на практике _______________ прогнозов, построенных по макроэкономическим моделям
Относительная ошибка прогноза определяется как
Оценка параметров в лаговой структуре Койка делается
Подбор порядка аппроксимирующего полинома производится при помощи
Порядок модели Бокса - Дженкинса подбирается c помощью анализа поведения функции
Последовательная разность 3-го порядка имеет вид
При рассмотрении спектральной плотности ограничиваются значениями ω, лежащими в пределах
Процесс АР(2) имеет автокорреляционную функцию, которая
Процесс смешанного типа имеет вид
Процесс СС(2) имеет автокорреляционную функцию, которая
Процесс Юла описывается моделью
Пусть имеется матрица исходных статистических данных Одномерным временным рядом будет ряд значений _________ матрицы и.с.д. в последовательные моменты времени
Регрессионные модели с распределенными лагами описываются соотношением
Ряд , сгенерированный моделью СС(1), мо­жет быть представлен также в виде модели авторегрессии _________ порядка
Сглаженное значение вычисляется по формуле
Сглаживание временного ряда означает устранение
Спектральная плотность марковского процесса равна
Спектральная плотность временного ряда определяется через
Спектральная плотность может принимать ________ значения
Спектральная плотность связана с интенсивностью согласно формуле
СС(1)-процесс обратим при
СС(2)-процесс обратим лишь при условии, что корни его характеристического уравнения лежат
Условие стационарности временного ряда для модели АР(2) имеет вид
Условие стационарности ряда случайных остатков в модели АР(1) имеет вид
Функция спектральной плотности позволяет установить
Целевая переменная в модели частичного приспособления имеет вид
Частная автокорреляционная функция первого порядка определяется по формуле
Частная автокорреляция 1-го порядка - это корреляция между членами временного ряда и , при условии, что